-
61.发明公开
公开(公告)号：KR1020150109830A
公开(公告)日：2015-10-02
申请号：KR1020140033216
申请日：2014-03-21
Applicant: 계명대학교 산학협력단
IPC: G06T7/00
CPC classification number: G06T7/00
Abstract: 본발명은화재영역선정방법및 화재진압방법에관한것으로서, 보다구체적으로는 (1) 카메라영상정보로부터추출된초기화재감지영역을복수개의블록으로분할하는단계; (2) 상기각각의블록에대하여, 미리정해진시간동안시간별로화재불꽃유무를판별하여화재불꽃검출-미검출빈도값을도출하고, 상기화재불꽃검출-미검출빈도값을이용하여화재불꽃블록을선정하는단계; 및 (3) 상기화재불꽃블록의집합을후보화재영역으로선정하는단계를포함하는것을그 구성상의특징으로한다. 본발명에서제안하고있는화재감지영역에대한시공간적변화량측정을통하여불꽃오감지영역이제거된화재영역선정방법및 이를이용한물대포발사목표점또는발사순서선정및 화재진압방법에따르면, 카메라영상정보로부터추출된초기화재감지영역을복수개의블록으로분할하는단계, 각각의블록에대하여미리정해진시간동안시간별로화재불꽃유무를판별하여화재불꽃검출-미검출빈도값을도출하고, 화재불꽃검출-미검출빈도값을이용하여화재불꽃블록을선정하는단계및 화재불꽃블록의집합을후보화재영역으로선정하는단계를포함함으로써, 화재감지영역에대한시간적변화량정보를이용하여불꽃오감지영역을제거할수 있다. 또한, 본발명에따르면, 초기화재감지영역과시간적변화량측정을통하여선정된후보화재영역사이에겹침비율(Overlapping Ratio, OR)을측정하여겹침비율이미리정해진값 이하인경우에는오감지부분이있는것으로판단하여후보화재영역을최종화재영역으로선정하고, 미리정해진값 이하인경우에는오감지부분을무시할수 있는것으로판단하여초기화재감지영역을최종화재영역으로선정함으로써, 공간적겹침비율정보를이용하여더욱정확한화재영역선정이가능하다. 뿐만아니라본 발명에따르면, 최종화재영역의중심점을물대포발사목표점으로선정하고, 최종화재영역수가복수개인경우에는최종화재영역의크기를비교하여크기순서대로물대포발사순서를선정함으로써, 효율적인화재진압을가능하게한다.
Abstract translation: 本发明涉及一种选择火区的方法和一种熄火方法，更具体地说，涉及一种用于选择火区的方法，包括以下步骤：（1）将从 摄像机图像信息分成多个块; （2）使用火焰检测和非检测频率值选择火焰块; 和（3）选择一组火焰火焰块作为候选火区，以及扑灭火灾的方法。 根据本发明，通过使用空间重叠比（OR）信息来去除错误的火焰感测区域并且准确地选择火区。
-
公开(公告)号：KR1020150025508A
公开(公告)日：2015-03-10
申请号：KR1020130103540
申请日：2013-08-30
Applicant: 계명대학교 산학협력단
IPC: G06T7/00
CPC classification number: G06T7/00
Abstract: 본 발명은 공유 지역 특징을 이용한 다시점 객체 검출 방법에 관한 것으로서, 보다 구체적으로는 (1) 객체를 포함하는 여러 시점(Multi-View)을 가지는 트레이닝 영상에서 임의의 위치와 크기를 가지는 후보 영역(Randomly N Regions)들을 생성하는 단계; (2) 각각의 후보 영역에 대해 OCS-LBP(Orientation Center Symmetric Local Binary Patterns) 특징을 추출하는 단계; (3) 각각의 후보 영역별로 추출된 특징 벡터들을 랜덤 포레스트를 통해 지역 기반으로 학습하는 단계; (4) 테스트 영상을 학습된 랜덤 포레스트에 적용하여 확률 값을 추정한 다음 상위 값들을 가지는 지역 특징(Local Features)의 영역을 선택하는 단계; (5) 각 시점에 대해서 선택된 지역 특징의 영역에 대해 공유되는 영역을 찾아 선택하고, 공유된 지역 특징의 영역에 대해서 랜덤 포레스트로 학습하는 단계; (6) 트레이닝 과정 수행 후, 객체를 검출하기 위해서 테스트 영상이 입력되면, 각각의 관점별로 확률 값이 추정되고, 확률 값 히스토그램을 생성하는 단계; (7) 생성한 확률 값 히스토그램에서 추정된 확률 값들 중 최댓값을 찾고, 최댓값을 가지는 주위 5개의 확률 값에 대해 가중치를 부과한 뒤 선형 결합하여 최종적인 확률 값을 추정하는 단계; 및 (8) 상기 추정된 최종적인 확률 값이 미리 지정한 임계값보다 큰 경우에 객체로 검출하는 단계를 포함하는 것을 그 구성상의 특징으로 한다.
본 발명에서 제안하고 있는 공유 지역 특징을 이용한 다시점 객체 검출 방법에 따르면, 정지 영상에서 다양한 관점을 가지는 객체에 대해 지역적 OCS-LBP 특징 추출과 공유 지역 기반의 랜덤 포레스트 분류기를 사용하여 학습 및 분류함으로써, 영상 내의 다양한 관점을 가지는 다시점의 객체에 대해서 빠르고 정확한 검출이 가능하도록 할 수 있다.
또한, 본 발명에 따르면, OCS-LBP 특징 추출을 사용함으로써, 방향 정보를 포함하는 적은 특징 차원 수에도 불구하고 매우 빠른 성능을 나타낼 수 있도록 하며, 랜덤 포레스트 분류기를 사용하여 생성된 모든 영역을 객체 분류에 사용하지 않고 최적의 공유 지역 특징을 사용하여 학습 및 분류함으로써, 적은 트레이닝 데이터를 사용하고도 다양한 관점을 가지는 객체에 대해 빠른 학습 속도 및 검출 속도를 가질 수 있도록 할 수 있다.
뿐만 아니라, 본 발명에 따르면, 공유되는 지역 특징을 사용하여 부분 가림을 가진 복잡한 배경(백그라운드)에서도 다시점 객체의 검출이 가능하며, 특히 공유된 지역 특징을 각 클래스에 대해 독립적이기 보다 공동으로 공유하여 선택할 수 있도록 함으로써, 분류기의 수를 줄여 최소화하고, 계산의 복잡성을 줄여줄 수 있도록 할 수 있다.Abstract translation: 本发明涉及一种使用共享局部特征的多视图对象检测方法，更具体地，涉及使用共享局部特征的多视图对象检测方法，包括以下步骤：产生具有随机位置和随机位置的随机N个区域 具有包含对象的多视图的训练图像中的大小; 提取取向中心对称局部二值模式（OCS-LBP）; 基于区域的每个N区域通过随机森林提取的学习特征向量; 并选择本地特征的区域。
-
公开(公告)号：KR101443187B1
公开(公告)日：2014-09-19
申请号：KR1020120152295
申请日：2012-12-24
Applicant: 계명대학교 산학협력단
Abstract: 본 발명은 영상 군집화 기반의 의료 영상 검색 방법에 관한 것으로, (a) 입력된 다수의 의료 영상 각각을 서브영역으로 분할하고 패치 단위로 OCS-LBP(Oriented Center Symmetric Local Binary Patterns) 특징 값을 추출하는 단계; (b) 상기 특징 값을 코드 북(code book)으로 군집화하고, 상기 패치 단위로 분할된 각 영상들을 상기 코드 북(code book)을 통해 BoF(Bag-of-Feature) 특징으로 변환하는 단계; (c) 상기 BoF 특징을 특징 벡터로 생성하고, 상기 특징 벡터를 랜덤 포레스트(Random forest) 학습 분류기를 통해 학습 및 분류하는 단계; (d) 질의 영상이 입력되면, 상기 (a) 내지 (c) 단계를 반복하고, 분류된 클래스 중 소수의 특정 클래스를 통해 상기 의료 영상과 유사도를 측정하는 단계; 및 (e) 상기 측정된 유사도에 따라 검색 출력 영상을 출력하는 단계를 포함한다.
이와 같은 본 발명은 의료 영상을 효과적으로 검색하기 위해 의료 영상에 적합한 새로운 OCS-LBP 특징을 제안하고, 특징 차원을 효과적으로 줄이기 위해 BoF를 적용할 뿐만 아니라, 검색 속도와 성능을 향상시키기 위해 질의 영상에 대해 전체 영상을 매칭 하는 대신 랜덤 포레스트 분류기를 통해 유사도 거리 측정에 의해 높은 성능의 검색결과를 보여주는 의료 영상 검색 방법을 제공한다.-
64.发明授权
公开(公告)号：KR101386513B1
公开(公告)日：2014-04-17
申请号：KR1020120129155
申请日：2012-11-14
Applicant: 계명대학교 산학협력단
IPC: G06T7/00
CPC classification number: G06K9/00335 , G06K9/3233 , G06K2009/4666
Abstract: The present invention relates to a method for recognizing human action using a bag of features (BoF) histogram based on a spatial pyramid and a random forest. More specifically, the method of the present invention comprises the steps of: 1) specifying a region of interest containing a person from an input image; 2) extracting features of a center symmetric-local binary pattern (CS-LBP) from the specified region of interest; 3) generating a visual vocabulary by clustering the extracted CS-LBP features; 4) generating a weighted BoF histogram by the visual vocabulary; and 5) classifying human actions by performing a learning by a random forest for the generated weighted BoF histogram. [Reference numerals] (AA) Start; (BB) End; (S100) Step of specifying a region of interest containing a person from an input image; (S200) Step of extracting features of a center symmetric-local binary pattern(CS-LBP) from the specified region of interest; (S300) Step of generating a visual vocabulary by clustering the extracted CS-LBP features; (S400) Step of generating a weighted BoF histogram from next inputted images by using the visual vocabular; (S500) Step of classifying human actions by performing a learning by a random forest for the generated weighted BoF histogram
Abstract translation: 本发明涉及使用基于空间金字塔和随机森林的特征袋（BoF）直方图来识别人类动作的方法。 更具体地说，本发明的方法包括以下步骤：1）从输入图像中指定包含人的感兴趣区域; 2）从指定的感兴趣区域提取中心对称局部二值模式（CS-LBP）的特征; 3）通过聚类所提取的CS-LBP特征来生成视觉词汇; 4）通过视觉词汇生成加权的BoF直方图; 和5）通过对所生成的加权BoF直方图执行随机森林的学习来对人类行为进行分类。 （附图标记）（AA）开始; （BB）结束; （S100）从输入图像指定包含人的感兴趣区域的步骤; （S200）从指定的感兴趣区域提取中心对称局部二值模式（CS-LBP）的特征的步骤; （S300）通过对所提取的CS-LBP特征进行聚类来生成视觉词汇的步骤; （S400）通过使用所述视觉词汇从下一输入图像生成加权的BoF直方图的步骤; （S500）通过对所生成的加权BoF直方图进行随机森林的学习来对人类动作进行分类的步骤
-
65.发明公开
公开(公告)号：KR1020130093861A
公开(公告)日：2013-08-23
申请号：KR1020120015070
申请日：2012-02-15
Applicant: 계명대학교 산학협력단
CPC classification number: G06T7/12 , G06T5/002 , G06T7/168 , G06T2207/10132 , G06T2207/30101
Abstract: PURPOSE: A method of automatically dividing lumen boundaries in an intravascular ultrasound image using a nonparametric probability model and a smoothing function improves the accuracy of division by extracting only a point of interest. CONSTITUTION: An intravascular ultrasound image is converted into a polar coordinate image (S100). A catheter domain is removed in the converted polar coordinate image (S200). An initial point of interest is extracted from the whole polar coordinate image (S300). A point of interest at lumen boundaries is extracted by filtering the initial point of interest (S400). [Reference numerals] (AA) Start; (BB) End; (S100) Step of converting an intravascular ultrasound image obtained by an intravascular ultrasound image device into a polar coordinate image; (S200) Step of removing a catheter domain in the converted polar coordinate image; (S300) Step of extracting an initial point of interest from the whole polar coordinate image without the catheter domain for finding the position of lumen boundaries; (S400) Step of extracting a point of interest at the lumen boundaries by filtering the extracted initial point of interest; (S500) Step of detecting the lumen boundaries in a continuous curve shape from the extracted discrete point of interest at the lumen boundaries; (S600) Step of reversely converting the polar coordinate image for the detected lumen boundaries into the original coordinate image
Abstract translation: 目的：使用非参数概率模型和平滑功能自动分配血管内超声图像中的管腔边界的方法通过仅提取兴趣点来提高分割的准确性。 构成：将血管内超声图像转换为极坐标图像（S100）。 在转换的极坐标图像中移除导管结构域（S200）。 从整个极坐标图像中提取初始感兴趣点（S300）。 通过过滤初始兴趣点来提取流明边界处的兴趣点（S400）。 （附图标记）（AA）开始; （BB）结束; （S100）将通过血管内超声图像装置获得的血管内超声图像转换为极坐标图像的步骤; （S200）在转换的极坐标图像中去除导管结构域的步骤; （S300）从没有导管结构域的整个极坐标图像中提取初始感兴趣点的步骤，以找到流明边界的位置; （S400）通过对所提取的初始兴趣点进行滤波来提取流明边界处的兴趣点的步骤; （S500）从在所述管腔边界处提取的离散感兴趣点检测连续曲线形状的管腔边界的步骤; （S600）将检测到的流明界面的极坐标图像逆变换为原始坐标图像的步骤
-
Patent Agency Ranking
公开(公告)号：KR1020110126008A
公开(公告)日：2011-11-22
申请号：KR1020100045688
申请日：2010-05-14
Applicant: 계명대학교 산학협력단
Abstract: PURPOSE: A leukocyte cleavage method by non-parametric probability and texture information is provided to shorten cleavage time and to improve cleavage accuracy. CONSTITUTION: A leukocyte cleavage method by non-parametric probability and texture information comprises: a step of extracting chroma and brightness of leukocyte region(S100); a step of generating probability model for the leukocyte nuclear region using the extracted chroma and brightness(S200); a step of generating probability map and separating a sub-image from the probability map(S300); a step of performing domain clustering using mean-shift for the separated sub-image(S400); a step of performing combination of each cluster domain of the sub-image(S600); and a step of determining the cluster domain into finally cleaved leukocyte nuclear region(S700).
Abstract translation: 目的：提供非参数概率和纹理信息的白细胞切割方法，缩短切割时间，提高切割精度。 构成：通过非参数概率和纹理信息的白细胞切割方法包括：提取白细胞区域的色度和亮度的步骤（S100）; 使用提取的色度和亮度产生白细胞核区域的概率模型的步骤（S200）; 生成概率图并从概率图分离子图像的步骤（S300）; 使用均分移位对分离的子图像执行域聚类的步骤（S400）; 执行子图像的每个聚类域的组合的步骤（S600）; 以及将簇结构域确定为最终切割的白细胞核区域的步骤（S700）。
-
公开(公告)号：KR101075063B1
公开(公告)日：2011-10-19
申请号：KR1020090105202
申请日：2009-11-02
Applicant: 계명대학교 산학협력단
Abstract: 본발명은카메라로부터의영상정보를다수의블록으로분할하고, 상기블록단위로화재불꽃판별을위한특징들을검출하고, 상기특징들을퍼지규칙에따라검증하는퍼지규칙을이용한화재불꽃감지방법을제공하는것이다. 상기한본 발명의퍼지규칙을이용한화재불꽃감지방법은, 영상정보를미리정해둔크기로분할하여다수의블럭을생성하는단계; 상기다수의블럭각각에대해움직임여부를판별하여움직임블럭을검출하는단계; 상기검출된움직임블럭각각에대해화재불꽃색상여부를판별하여후보블럭을검출하는단계; 상기검출된후보블럭각각에대해명도변화와웨이블릿계수들의합 변화와모션변화가화재특성모델에대응되는지여부를검출하는단계; 상기명도변화와상기웨이블릿계수들의합 변화와상기모션변화가화재특성모델에대응되는지여부를퍼지규칙의입력변수들로입력받아, 미리정해둔퍼지규칙에따라후보블럭이실제화재불꽃블럭인지를검증하는단계;를포함하는것을특징으로한다.
-
公开(公告)号：KR1020110084593A
公开(公告)日：2011-07-26
申请号：KR1020100004218
申请日：2010-01-18
Applicant: 계명대학교 산학협력단
Abstract: PURPOSE: A method for compressing a blood cell image is provided to reduce the size of the entire image by using a saliency strength map and seam carving. CONSTITUTION: A blood cell image is prepared(100). A saliency map is generated in the blood cell image based on the directivity, color, and brightness of a cell(200). A necessary user area is emphasized in the generated saliency map to generate a saliency strength map(300). Pixel values with the smallest energy are accumulated in the generated saliency strength map to generate an energy map(400). A seam with the minimum energy is eliminated from the generated energy map(500).
Abstract translation: 目的：提供一种压缩血细胞图像的方法，通过使用显着强度图和缝隙雕刻来减小整个图像的尺寸。 构成：准备血细胞图像（100）。 基于细胞（200）的指向性，颜色和亮度，在血细胞图像中产生显着性图。 在生成的显着性图中强调必要的用户区域以产生显着强度图（300）。 在生成的突出强度图中累积具有最小能量的像素值，以产生能量图（400）。 从生成的能量图（500）中消除具有最小能量的接缝。
-
公开(公告)号：KR1020100108778A
公开(公告)日：2010-10-08
申请号：KR1020090026977
申请日：2009-03-30
Applicant: 계명대학교 산학협력단
CPC classification number: G06K9/6269 , G06T3/4023 , G06T7/162 , G06T7/90 , G06T2207/20021
Abstract: PURPOSE: An image information classification method and an apparatus thereof are provided to generate a membership score which indicates a kind of image by extracting feature vectors from image information and applying the extracted feature vectors to a multi-class SVM(Support Vector Machine). CONSTITUTION: A CSD(Color Structure Descriptor) feature vector detector(100) detects a first feature vector depending on a CSD from image information, and an EHD(Edge Histogram Descriptor) feature vector detector(102) detects a second feature vector depending on EHD from the image information. A classifier(104) creates membership scores which indicate the proximity degree to a class descriptor of the first and second feature vectors. The membership score is the classification information of the image information.
Abstract translation: 目的：提供一种图像信息分类方法及其装置，用于通过从图像信息提取特征向量并将所提取的特征向量应用于多类SVM（支持向量机）来生成指示图像种类的隶属度分数。 构成：CSD（颜色结构描述符）特征向量检测器（100）根据图像信息检测根据CSD的第一特征向量，并且EHD（边缘直方图描述符）特征向量检测器（102）根据EHD检测第二特征向量 从图像信息。 分类器（104）创建指示与第一和第二特征向量的类描述符的接近程度的会员分数。 会员分数是图像信息的分类信息。
-
公开(公告)号：KR100982347B1
公开(公告)日：2010-09-15
申请号：KR1020090012731
申请日：2009-02-17
Applicant: 계명대학교 산학협력단 , (주)위니텍
Abstract: 본 발명은 연기 감지 방법 및 장치에 관한 것이다. 상기한 본 발명에 따르는 연기 감지 방법은, 프레임이 입력될 때마다 미리 설정된 키 프레임과의 차이를 검출하고, 상기 차이값이 미리 정해둔 제1임계치보다 크면 입력된 프레임을 키 프레임으로 설정하는 단계; 상기 설정된 키 프레임들 중 연속되는 키 프레임들에 대해 미리 정해둔 크기의 블럭 단위로 움직임 값이 미리 정해둔 제2임계치보다 큰 영역들을 제1후보 영역으로 검출하는 단계; 상기 제1후보 영역에 대해 색상 정보가 미리 정해둔 연기 색상 정보에 대응되는 영역을 검출하여 제2후보 영역을 검출하는 단계; 상기 제2후보 영역에 대해 엔트로피, 웨이블릿 계수, 모션 정보를 검출하고, 검출된 각 항목을 동적 베이지안 네트워크에 따른 결합 확률을 산출하고, 상기 결합 확률이 미리 정해둔 제2임계치보다 크면 연기로 최종 판별하는 단계;를 포함한다.
연기, 감지, 프레임, 움직임, 색상
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.035 seconds)
